一句话定义：行为树（Behavior Tree）是一种用树形结构描述“先判断什么、再做什么、失败了怎么办”的决策组织方式，常见于游戏 AI 和机器人控制。
原理：树上的每个节点是一个小动作或小判断，从根节点往下走，靠“成功 / 失败 / 运行中”三种状态往回汇报结果。常用的控制节点有几种：
- 顺序节点（Sequence）：像一份清单，孩子依次执行，全部成功才算成功，一个失败就整体失败。
- 选择节点（Selector，也叫 Fallback）：挨个尝试孩子，谁先成功就用谁，都不行才算失败。
- 并行节点（Parallel）：多个孩子同时推进。
- 装饰器（Decorator）：给一个孩子加限制，比如“3 秒内没成功就算失败”。
叶子节点是真正的动作，比如“移动到充电桩”“开火”“播放动画”，或者条件，比如“电量过低”。
打个生活化的比方：早晨出门的决策可以写成一棵树。选择节点先试“有雨吗？带伞”，失败再试“太阳很晒吗？戴帽子”，都不满足就走默认的“直接出门”。每个节点只操心自己的小问题，不用知道全局长什么样。
和一堆 if-else 的区别：if-else 把条件、动作、嵌套层级全揉在一个函数里；行为树把它拆成可复用的节点。前者像一坨越缠越紧的意大利面，后者像乐高积木。
| 维度 | 一堆 if-else | 行为树 |
|---|---|---|
| 结构 | 隐式，靠缩进和括号 | 显式树形，一眼看清 |
| 复用 | 复制粘贴 | 子树可被多处引用 |
| 调试 | 打断点看变量 | 可视化高亮当前走到哪个节点 |
| 改动 | 牵一发动全身 | 换、插、剪一个分支即可 |
| 并行与中断 | 手写状态机 | 有内建节点语义 |
为什么更好调试：运行时可以在编辑器里看到当前点亮了哪条路径、卡在哪个节点、为什么失败。对游戏 AI，策划能直接改树，不必让程序员重编代码；对机器人，导航、抓取、任务规划可以各建一棵子树再拼起来，出问题时定位到具体分支。
边界：行为树擅长“有明确优先级和回退顺序”的决策。需要长期记忆、复杂数值优化或从数据中学习时，通常要和状态机（State Machine）、规划器（Planner）、强化学习（Reinforcement Learning）配合。它天然是反应式的，容易短视；需要共享记忆时可以用黑板（Blackboard）存数据。
实际意义：从业者用行为树把“策略”和“执行”分开，让 AI 逻辑可读、可测、可热更新，非程序员也能参与。普通人其实每天都在用行为树：导航 App 先找最快路线，失败就换备选，再失败就提示“重新规划”——这就是选择节点加顺序节点。把复杂决策拆成一棵树，先判断、再行动、失败了走哪条退路，思路会清楚很多。